Billig schlägt teuer? Wie Chinas offene KI-Modelle die Rechnung verändern

Chinesische Modelle holen stark auf

Auf der Plattform OpenRouter, über die viele KI-Modelle gebündelt genutzt werden, ist der Anteil chinesischer Modelle am Token-Verbrauch innerhalb von rund einem Jahr von unter zwei Prozent auf über 45 Prozent gestiegen.

Damit stammen einige der meistgenutzten Modelle inzwischen aus China.

Der wichtigste Hebel ist dabei der Preis. Modelle wie Kimi, Qwen oder GLM zeigen, dass leistungsfähige KI nicht zwangsläufig mit den höchsten Kosten verbunden sein muss. Besonders spannend ist das bei Anwendungsfällen, die heute einen großen Teil der KI-Nutzung ausmachen: Programmierung, Automatisierung und agentische Workflows.

Mit GLM 5.2 ist zudem ein offenes Modell erschienen, das unter freier Lizenz selbst betrieben werden kann. Laut den vorliegenden Einordnungen liegt es bei Programmier- und Agentenaufgaben knapp hinter westlichen Spitzenmodellen — bei deutlich geringeren Kosten.

„Gut genug“ wird strategisch relevant

Die eigentliche Nachricht lautet nicht: China schlägt den Westen.

Die eigentliche Nachricht lautet: Für viele Aufgaben reicht „gut genug“.

Nicht jeder Use Case braucht das beste Modell am Markt. In vielen Unternehmen entstehen gerade zahlreiche KI-Anwendungen für Textverarbeitung, Wissensarbeit, Code-Unterstützung, Recherche, Support oder Prozessautomatisierung. Für viele dieser Aufgaben ist nicht entscheidend, ob ein Modell im Benchmark auf Platz eins steht.

Entscheidend ist, ob es:

• zuverlässig genug arbeitet,
• schnell genug antwortet,
• sicher genug eingebunden werden kann,
• und wirtschaftlich sinnvoll ist.

Wenn ein günstigeres Modell 80 oder 90 Prozent der benötigten Qualität liefert, kann es für viele Aufgaben die bessere Wahl sein — besonders bei hoher Nutzung.

Was bedeutet das für Unternehmen?

Für Entscheider ergeben sich daraus drei zentrale Konsequenzen.

1. Modellwahl ist eine Kostenentscheidung

„Wir nutzen einfach das beste Modell für alles“ klingt bequem, ist aber selten wirtschaftlich sinnvoll.

Eine bessere Strategie ist es, Aufgaben bewusst dem passenden Modell zuzuordnen:

• günstige Modelle für Standardaufgaben,
• leistungsstarke Spitzenmodelle für komplexe oder kritische Aufgaben,
• spezialisierte Modelle für klar abgegrenzte Anwendungsfälle.

So lassen sich KI-Kosten senken, ohne automatisch Qualität zu verlieren.

2. Offene Modelle schaffen Unabhängigkeit — aber nicht kostenlos

Offene Modelle können Unternehmen mehr Kontrolle geben. Sie lassen sich potenziell selbst betreiben, reduzieren Abhängigkeiten von einzelnen Anbietern und können bei sensiblen Daten Vorteile bieten.

Der Preis dafür ist jedoch nicht null. Unternehmen brauchen technisches Know-how, um Modelle auszuwählen, zu betreiben, zu überwachen und aktuell zu halten.

Offene Modelle sind also kein Selbstläufer. Sie sind eine Option für mehr Souveränität — wenn die Organisation dafür vorbereitet ist.

3. Preisentwicklung muss Teil der KI-Governance werden

Der Markt bewegt sich extrem schnell. Was heute als leistungsstark und teuer gilt, kann morgen bereits durch günstigere Alternativen unter Druck geraten.

Unternehmen sollten deshalb regelmäßig prüfen:

• Welche Modelle nutzen wir wofür?
• Wie entwickeln sich Kosten und Qualität?
• Gibt es günstigere Alternativen?
• Wie aufwendig wäre ein Wechsel?
• Sind wir technisch und vertraglich flexibel genug?

Wer sich zu früh zu stark auf einen Anbieter festlegt, riskiert unnötige Kosten und Abhängigkeiten.

Und was ist mit der KI-Blase?

Die Entwicklung wirft auch eine größere Frage auf: Erleben wir eine KI-Blase?

Wenn günstige, offene oder „gut genug“-Modelle einen großen Teil der alltäglichen KI-Nutzung übernehmen, geraten die hohen Bewertungen und Preise mancher Anbieter stärker unter Druck.

Gleichzeitig gilt: Für besonders komplexe Aufgaben, maximale Leistungsfähigkeit und neue Modellgenerationen bleibt die Spitze relevant. Unternehmen sollten sich deshalb nicht auf eine einfache Erzählung festlegen.

Weder „billig gewinnt immer“ noch „nur das beste Modell zählt“ ist eine tragfähige Strategie.

Die klügere Haltung ist: beobachten, vergleichen, flexibel bleiben.

Fazit: Beweglichkeit wird wichtiger als die Wette auf einen Gewinner

Die vielleicht wichtigste Beobachtung ist das Tempo.

Eine Technologie, die vor einem Jahr noch am Rand stand, macht heute einen erheblichen Teil der Nutzung aus. Für Unternehmen bedeutet das: KI-Strategie darf nicht statisch sein.

Es geht nicht darum, heute den einen Gewinner auszuwählen. Es geht darum, eine Architektur, Governance und Kostenlogik aufzubauen, die Wechsel ermöglicht.

Denn im KI-Markt wird nicht nur Leistung zum Wettbewerbsfaktor — sondern auch Beweglichkeit.

Quellen: Fortune, Chatham House, Dataconomy, The Decoder, OpenRouter.